【技术实现步骤摘要】
文本信息的确定方法、装置、电子设备及存储介质
[0001]本公开涉及计算机数据处理领域，尤其涉及自然语言处理、知识图谱、深度学习等人工智能
，具体涉及文本信息的确定方法、装置、电子设备及存储介质。
技术介绍
[0002]知识图谱推理是指基于知识图谱中已知的事实和知识推断出未知的事实和知识。知识图谱推理涵盖图谱补全、链接预测、质量校验、冲突检测、规则挖掘等具体任务，是知识图谱领域最重要的基础运算之一。知识图谱推理技术在普通知识图谱上应用广泛且取得了卓越的成就，但上述推理均是基于明确的文本内容，针对文本中隐含的含义内容，并没有很好地挖掘或是利用。
技术实现思路
[0003]本公开提供了文本信息的确定方法、装置、电子设备以及存储介质。
[0004]根据本公开的第一方面，提供了一种文本信息的确定方法，包括：
[0005]获取待评估的目标知识文本，所述目标知识文本包括两个状态文本和表征所述两个状态文本之间隐含关系的关系文本；
[0006]基于该目标知识文本生成知识三元组；
[000...
【技术保护点】
【技术特征摘要】
1.一种文本信息的确定方法，包括：获取待评估的目标知识文本，所述目标知识文本包括两个状态文本和表征所述两个状态文本之间隐含关系的关系文本；基于所述目标知识文本生成知识三元组；从常识知识图谱中获取所述知识三元组的相关子图，将所述知识三元组与所述相关子图合并生成第一知识子图；获取所述第一知识子图的节点内容表示和连接关系表示，所述节点内容表示和所述连接关系表示用于评估所述目标知识文本。2.根据权利要求1所述的方法，其中，所述获取待评估的目标知识文本，所述目标知识文本包括两个状态文本和表征所述两个状态文本之间隐含关系的关系文本，包括：从常识知识图谱中获取两个节点，生成两个状态文本；从预设的关系集合中获取所述两个状态文本之间隐含的预期关系，生成关系文本；合并所述两个状态文本和一个所述关系文本，得到待评估的目标知识文本。3.根据权利要求1所述的方法，其中，所述从常识知识图谱中获取所述知识三元组的相关子图，包括：提取所述知识三元组的实体；在常识知识图谱中以所述实体为起点，按照预设采样深度获取子节点；将所述子节点与所述知识三元组的实体结合，生成相关子图。4.根据权利要求1所述的方法，其中，所述获取所述第一知识子图的节点内容表示和连接关系表示，包括：将所述第一知识子图输入预训练语言模型，得到所述第一知识子图的节点内容表示；基于所述第一知识子图中节点之间的连接关系生成连接关系表示。5.根据权利要求1所述的方法，其中，所述获取所述第一知识子图的节点内容表示和连接关系表示，包括：对所述第一知识子图的节点的内容进行分词处理，生成细粒度节点；将所述细粒度节点和所述第一知识子图合并，生成第二知识子图；基于所述第二知识子图中节点的内容和标签，得到所述第一知识子图的节点内容表示；根据所述第二知识子图中节点之间的连接关系生成所述第一知识子图的连接关系表示。6.根据权利要求5所述的方法，其中，所述将所述细粒度节点和所述第一知识子图合并，生成第二知识子图，包括：将所述第一知识子图中的每个节点依次作为当前节点，分别建立所述当前节点与分词后的细粒度节点之间的第一连接关系，以及所述分词后的细粒度节点之间的第二连接关系；将所述第一知识子图与分词后的所有细粒度节点以及得到的所有第一连接关系和第二连接关系合并，生成第二知识子图。7.根据权利要求5所述的方法，其中，所述基于所述第二知识子图中节点的内容和标签，得到所述第一知识子图的节点内容表示，包括：
为所述第二知识子图的节点添加标签，所述标签用于区分所述第二知识子图的节点是否为所述细粒度节点；将所述第二知识子图的节点的内容转换为词语向量；将所述标签转换为标签向量；将所述词语向量与所述标签向量合并，得到节点内容表示。8.根据权利要求1所述的方法，还包括：对所述节点内容表示和所述连接关系表示进行计算，得到置信度；基于所述置信度评估所述目标知识文本。9.根据权利要求8所述的方法，其中，所述对所述节点内容表示和所述连接关系表示进行计算，得到置信度，包括：将所述节点内容表示和所述连接关系表示输入训练好的图神经网络，得到目标知识文本特征向量；对所述目标知识文本特征向量进行置信度评估，得到对应的置信度。10.一种文本信息的确定装置，包括：第一获取模块，用于获取待评估的目标知识文本，所述目标知识文本包括两个状态文本和表征所述两个状态文本之间隐含关系的关系文本；生成模块，用于基于所述目标知识文本生成知识三元组；合并模块，用于从常识知识图谱中获取所述知...
【专利技术属性】
技术研发人员：姜文斌，柴春光，吕雅娟，朱勇，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。